舉報

會員
智能風控與反欺詐:體系、算法與實踐
最新章節:
10.5 本章小結
這是一部指導信貸業務如何用智能風控、反欺詐的技術和方法實現風險控制的著作。作者是經驗豐富的智能風控算法專家,先后就職于頭部的互聯網公司的金融部門以及頭部的公募基金公司,致力于人工智能算法在信貸風控領域的應用。本書不僅體系化地講解了智能風控和反欺詐的體系、算法、模型以及它們在信貸風控領域實踐的全流程,而且還從業務和技術兩個角度講解了傳統的金融風控體系如何與智能風控方法實現雙劍合璧。全書以實戰為導向,輔以多個用Python實現的綜合案例,便于讀者理解和實操。全書共10章,邏輯上分為四個部分:第1~3章是風控業務的基礎,首先介紹了什么是信用風險和欺詐風險,然后講解了傳統風險管理體系中搭建評分卡的思路,以及智能風控時代數據和模型的技術框架。第4~6章集中講述了智能風控中常見的特征工程、算法原理和建模流程,包括梯度提升決策樹、孤立森林、神經網絡、詞嵌入、圖嵌入等前沿算法的數學原理和公式。第7~9章是作者參與過的風控和反欺詐實戰項目,通過案例和代碼的形式,幫助讀者更好地將風控理念和建模技術融會貫通。第10章以金融科技行業的頭部玩家為例,展望了智能風控和反欺詐技術未來的商業模式和發展方向。
目錄(178章)
倒序
- 封面
- 版權信息
- 推薦序
- 前言
- 第1章 互聯網金融與風險管理
- 1.1 互聯網金融的發展和現狀
- 1.2 風險管理類型劃分
- 1.2.1 欺詐風險
- 1.2.2 信用風險
- 1.3 風險管理的重要性
- 1.3.1 風險評估
- 1.3.2 差異化定價
- 1.3.3 整體利潤最優
- 1.4 本章小結
- 第2章 傳統風險管理體系
- 2.1 人工審核
- 2.1.1 紙質材料評估
- 2.1.2 電話回訪
- 2.1.3 線下走訪盡調
- 2.2 專家模型
- 2.2.1 業務規則庫
- 2.2.2 專家調查權重法
- 2.2.3 熵權法
- 2.3 評分卡模型
- 2.3.1 目標定義
- 2.3.2 樣本選取
- 2.3.3 變量分箱
- 2.3.4 變量篩選
- 2.3.5 模型建立
- 2.3.6 模型評估
- 2.3.7 模型應用
- 2.4 傳統方法的問題和挑戰
- 2.5 本章小結
- 第3章 智能風控模型體系
- 3.1 大數據平臺
- 3.1.1 原始數據清洗
- 3.1.2 數據倉庫管理
- 3.1.3 數據標簽應用
- 3.2 決策引擎
- 3.2.1 規則配置
- 3.2.2 模型部署
- 3.2.3 冠軍挑戰者
- 3.2.4 版本和權限管理
- 3.3 智能反欺詐模型
- 3.3.1 無監督學習
- 3.3.2 圖計算
- 3.4 智能信用風險模型
- 3.4.1 專家模型
- 3.4.2 邏輯回歸
- 3.4.3 決策樹
- 3.4.4 集成樹
- 3.4.5 深度神經網絡
- 3.4.6 循環神經網絡
- 3.5 智能模型帶來的提升
- 3.5.1 數據廣度和深度
- 3.5.2 模型快速迭代和主動學習
- 3.5.3 線上自動決策
- 3.6 統計學與機器學習
- 3.7 本章小結
- 第4章 風控大數據體系
- 4.1 數據源類型
- 4.1.1 征信報告
- 4.1.2 消費能力
- 4.1.3 資產狀況
- 4.1.4 基本信息
- 4.1.5 黑名單
- 4.1.6 多頭借貸
- 4.1.7 運營商
- 4.1.8 地理位置
- 4.1.9 設備屬性
- 4.1.10 操作行為
- 4.2 特征工程方法
- 4.2.1 統計量
- 4.2.2 離散化
- 4.2.3 時間周期趨勢
- 4.2.4 交叉項
- 4.2.5 隱性特征
- 4.2.6 用戶畫像
- 4.3 數據測試與應用
- 4.3.1 聯合建模機制
- 4.3.2 數據質量評估
- 4.3.3 線上應用
- 4.4 數據安全合規
- 4.5 本章小結
- 第5章 智能風控中的常用算法
- 5.1 有監督學習
- 5.1.1 邏輯回歸
- 5.1.2 決策樹
- 5.1.3 隨機森林
- 5.1.4 梯度提升決策樹
- 5.2 無監督學習
- 5.2.1 聚類
- 5.2.2 孤立森林
- 5.3 深度學習
- 5.3.1 深度神經網絡
- 5.3.2 循環神經網絡
- 5.3.3 詞嵌入
- 5.3.4 自編碼器
- 5.3.5 遷移學習
- 5.4 圖計算
- 5.4.1 社區發現
- 5.4.2 標簽傳播
- 5.4.3 圖嵌入
- 5.5 強化學習
- 5.6 本章小結
- 第6章 智能模型訓練流程
- 6.1 數據清洗
- 6.1.1 缺失值處理
- 6.1.2 異常值處理
- 6.1.3 重復值處理
- 6.1.4 一致性檢驗
- 6.1.5 有效性檢驗
- 6.2 特征工程和特征篩選
- 6.2.1 探索性數據分析
- 6.2.2 穩定性
- 6.2.3 重要性
- 6.2.4 相關性
- 6.2.5 解釋性
- 6.3 模型訓練
- 6.4 模型部署
- 6.5 監控預警
- 6.6 本章小結
- 第7章 反欺詐案例
- 7.1 案例背景
- 7.2 原始數據介紹
- 7.3 探索性數據分析
- 7.3.1 交易筆數
- 7.3.2 交易時間
- 7.3.3 交易類型
- 7.3.4 交易IP地址
- 7.4 特征工程
- 7.4.1 特征加工
- 7.4.2 特征篩選
- 7.4.3 特征分組
- 7.5 模型訓練
- 7.6 模型評估
- 7.7 案例優化
- 7.8 本章小結
- 第8章 個人信貸風控案例
- 8.1 案例背景
- 8.2 原始數據介紹
- 8.3 特征工程
- 8.4 探索性數據分析
- 8.5 模型訓練
- 8.5.1 邏輯回歸
- 8.5.2 XGBoost
- 8.5.3 Wide&Deep
- 8.6 模型評估
- 8.7 模型應用
- 8.8 案例優化
- 8.9 本章小結
- 第9章 企業信貸風控案例
- 9.1 銀行POS貸
- 9.1.1 案例背景
- 9.1.2 原始數據介紹
- 9.1.3 特征工程
- 9.1.4 模型訓練
- 9.1.5 模型應用
- 9.2 汽車金融CP評級
- 9.2.1 案例背景
- 9.2.2 原始數據&特征工程
- 9.2.3 模型訓練
- 9.2.4 模型評估
- 9.3 案例優化
- 9.4 本章小結
- 第10章 智能風控能力對外輸出
- 10.1 對外輸出的意義
- 10.1.1 內部能力“走出去”
- 10.1.2 外部資源“引進來”
- 10.2 頭部玩家介紹
- 10.2.1 互聯網公司
- 10.2.2 銀行科技子公司
- 10.2.3 第三方技術提供商
- 10.3 合作模式及案例
- 10.3.1 SaaS+本地化模式
- 10.3.2 對外輸出案例
- 10.4 金融科技創新與監管
- 10.5 本章小結 更新時間:2021-04-02 09:33:33
推薦閱讀
- 投資者行為與新干預主義監管研究(國家社科基金后期資助項目)
- 投資人看世界:數智時代投資新賽道
- 馬丁·惠特曼的價值投資方法:回歸基本面
- 銀行績效管理實踐案例
- 精通MATLAB金融計算
- 金融全球化下的中國金融監管體制改革與創新
- 上交所快學投資系列
- 簡單投資(全新升級版)
- 大金融思想沙龍(第三輯)
- 認知邊界:認知決定你的財富
- 持續增長:企業持續盈利的10大法寶
- 2020年中國信托公司經營藍皮書
- “互聯網+”交通
- 大智慧炒股軟件從入門到精通
- 投資項目可行性分析
- 新經濟下的財富管理
- 中國與國際發展融資體系
- 私募的進化:金融超級藍海中的跌宕十年
- 金融交易圣經(I+II)(全2冊)
- 圖解看盤:看清趨勢的164種圖譜(全新升級版)
- 投資最重要的事
- 政府投資項目經濟評價方法與參數研究
- 開店盈利300問
- 金融思維
- 中國投資與就業指南(2020年)
- 股票大數據挖掘實戰:股票分析篇
- 互聯網+供應鏈金融創新模式
- 誰搞垮了美國
- 小企業融資創新研究
- 查理·芒格的智慧:投資的格柵理論(原書第2版·紀念版)